PHP自动提取关键字

不能说是提取关键字了，可以说是取词，根据就是出现2次以上就可以认为是词，做些修改可以提取指定词频的词，效果还不算好，有些高词频的词，由于其会形成组词，这样这个词的子词取代其，因此没有取到

 

基本方法：2个字符构成最小的词，而其的词频必定是从该词的起点构成的词中最大的，通过不断的加字符，路过出现小于这个最大的次品，可以认为这个词到了结束位置，取出这个词，并且把所有的该词占据的位置记录下来，以减少重复判断

 

加了些过滤的标识符---词不能包含标点符号等

 

不足：对歧义没有过多处理，利用的是最大正向遍历，取2个字符假设为初始词，可能是词的一部分，路过出现没有取到应该取到的词（路前面说的组合词，只能证明这个词还可以再分，是由几个词组合而来，按照最小词原则，可以认为这样是可以的）

 

返回数组：

[0] => Array ( [0] => 大话西游 [1] => 2 [2] => Array ( [0] => 1 [1] => 892 ) [3] => 4 )

 

[0] =>词字符串      [1] => 词频          [2] => 该词出现的各个位置           [3] => 词的长度，几个字符

PHP代码：里面的词“周星星”出现了问题，因为前面有  “周星驰“，周星最多出现的，所以还是不好，速度也不行，可能判断重复的数组，修改下用键直接引用会快些

 

<?php
set_time_limit(0);


//解析字符串中英文支付，成为字符数组，得长度
//$fustr='dddddddddddddgdg大股东广东';//带解析的字符串
function str_arr($fustr,$mudi=1)
{$wz=0;
$arr=array();
while($wz<strlen($fustr)){
$zifu=$fustr[$wz];
if(ord($zifu)>127){$str=$zifu.$fustr[$wz+1];$wz=$wz+2;}


else{$str=$zifu;$wz++;}


$arr[]=$str;//放到数组里


}//end while($wz<strlen($fustr))
if($mudi==1)return $arr;
else return count($arr);
}
//测试
//$arr=str_arr($fustr,$mudi=1);
//print_r($arr);


//end 解析字符串


//截取函数，截取字符串数组，得到部分字符串
//$arr=array();//字符串数组
$ks=0;//截取开始位置
$long=10;//截取长度，多少个字符


function jiequ($arr,$ks,$long=0){
if($ks+$long>count($arr))return false;
$str=';
$maxlen=count($arr);
if($long==0)$end=$maxlen;
else $end=$ks+$long;
for($i=$ks;$i<$end;$i++){
$str.=$arr[$i];
}


return $str;


}//echo jiequ($arr,$ks,$long);




//查询函数，得到从查询位置开始的第一个匹配位置
$wz=0;//查询位置
$arr=array();//字符串数组


$str='gjgg';//目标字符串
$strarr=str_arr($str,1);
function dingwei($arr,$strarr,$kswz){


$len1=count($arr);//总字符串数组长度
$len2=count($strarr);//查询字符串数组长度
$you=0;
$wz=$kswz;
//判断是全等的第一个位置
while($wz+$len2<=$len1){
$isyou=0;
$wz1=$wz;
for($i=0;$i<$len2;$i++){


if($strarr[$i]!=$arr[$wz1]){
$isyou=1;


break;
}//end if($strarr[$i]!=$arr[$wz1])
$wz1++;
}//end for($i=0;$i<count($strarr)


if($isyou==1)$wz++;//位置移1
else {$